Résultats des optimisations

3.3.1 Entreprises sans lien avec les autres

L’ajout de températures a pour effet d’augmenter le nombre de critères à considérer. Comme dans l’exemple précédent, la quantité d’eau fraîche et le nombre de connexions sont prises en compte. A ceux-ci s’ajoutent le nombre d’échangeurs de chaleur ainsi que l’énergie échangée. L’ensemble de ces critères représente l’impact économique mais aussi l’impact environnemental. Des optimisations multiobjectifs sont réalisées dans un premier temps de façon à déterminer les bornes du problème. Les valeurs optimales pour chaque entreprise prise séparément sont consignées dans le tableau V-11. Il s’agit ici des repères initiaux pour l’élaboration de l’EIP. Pour obtenir ces configurations, une stratégie identique à ce qui a été réalisé précédemment est adoptée. Ainsi, pour chaque nombre d’échangeurs, le nombre de connexions minimal est calculé dans un premier temps. C’est à partir de là, lorsque les nombres d’échangeurs et de connexions sont fixés, que des optimisations bi-critères [CEG; Energie échangée] sont réalisées.

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs - 173 - Entreprise Nombre de connexions Nombre d’échangeurs Débit d’eau fraîche (T/h) CEG (T/h) Energie échangée (MW) A 7 3 111.8 740.7 740.9 B 8 3 63.1 418 418.2 C 7 5 195 1291.9 129.9 A+B+C 22 11 369.9 2450.6 2451

Tableau V-11. Configuration optimale de chaque industrie individuelle.

Les résultats montrent que l’ajout des températures engendre une augmentation des consommations d’eau puisque le total du CEG du cas 1 était de 2272 T/h et passe ici à 2450 T/h. En effet, le fait d’imposer des températures implique une consommation d’eau plus importante pour satisfaire aux besoins de chaque unité de procédé. Enfin, le nombre minimum d’échangeurs est 11 au total lorsque l’on considère la somme des besoins individuels de chaque entreprise. Cependant, le minimum pour l’EIP total est de 10 échangeurs, le rassemblement des trois industries permettant d’économiser un échangeur. Ceci est engendré par le fait que l’unité de procédé 10 (appartenant à l’industrie B) était alimentée par de l’eau devant être chauffée (dans le cas où elle est individuelle) mais grâce au regroupement, c’est l’unité 2 (de l’industrie A) qui l’alimente puisque ce courant sort également à 100°C. Le réseau total de l’EIP comporte ainsi un échangeur de moins.

Suite à cette étude préliminaire, deux configurations incluant chacune plusieurs cas décrits ci-après sont étudiés :

- Configuration selon laquelle l’éco-parc est constitué de 11 échangeurs.

- Configuration selon laquelle l’éco-parc est constitué de 10 échangeurs.

3.3.2 Eco-parc avec 11 échangeurs

Plusieurs cas sont étudiés et pour chacun d’entre eux, des fronts de Pareto sont tracés selon le gain énergétique (en pourcentage par rapport au cas où les industries n’ont pas de lien avec les autres), en fonction du nombre de connexions. Le premier critère (gain) doit être maximisé tandis que le second (nombre de connexions) doit être le plus faible possible.

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs

- 174 -

- Le cas 1 représente l’option selon laquelle le débit d’eau consommé par l’EIP est inférieur à la somme des débits de chaque industrie (369.9 T/h).

- Le cas 2 implique que toutes les industries ont un gain positif sur le CEG.

- Le cas 3 impose un gain identique pour chaque entreprise sur le CEG.

Les résultats sont illustrés sous forme de fronts de Pareto sur la figure V-9.

0 2 4 6 8 10 12 20 22 24 26 28 30 32 34 G ai n é n er g ét iq u e d an s l' E IP ( % )

Nombre de connexions dans l'EIP

Cas 1 Cas 2 Cas 3

Figure V-9. Fronts de Pareto pour chaque cas étudié lorsque l’EIP comporte 11 échangeurs.

Le cas 1 est celui permettant d’obtenir les meilleurs gains globaux pour l’EIP. Cependant, il ne garantit pas que les trois industries tirent le même profit du regroupement. Seul le cas 3 impose cette condition, mais lorsque le nombre de connexions est réduit au minimum (22), aucun gain n’est obtenu. Il est donc alors nécessaire d’augmenter le nombre de connexions pour obtenir des gains significatifs, sans toutefois pouvoir dépasser 8% de gain énergétique pour chaque entreprise. Enfin, les cas 2 et 3 donnent lieu à des comportements similaires. Avec 11 échangeurs et un nombre minimum de connexions, l’EIP ne permet pas de faire des bénéfices. Le gain global le plus important qu’il est possible d’obtenir en termes énergétique est 11% pour l’EIP (cas 2). Cette solution nécessite 28 connexions et chaque

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs

- 175 -

industrie peut avoir le même gain que les autres sur le CEG, donc sur sa consommation d’eau. En ce qui concerne l’énergie les gains respectifs pour les entreprises A, B et C sont respectivement de 5%,3% et 3%.

3.3.3 Eco-parcs avec 10 échangeurs

Le nombre d’échangeurs de chaleur dans l’EIP est ici fixé à sa valeur minimale : 10. De plus, il est imposé que le gain énergétique, par rapport au cas où l’industrie fonctionne sans lien avec les autres, soit le même pour chaque entreprise de l’EIP. Les trois cas étudiés dans cette nouvelle configuration sont les suivants :

- Le cas 4 est celui où le débit d’eau consommé par l’EIP est inférieur à la somme des débits d’eau de chaque entreprise.

- Le cas 5 revient à ce que toutes les industries aient un gain positif sur le CEG.

- Le cas 6 correspond au cas où chaque industrie a le même gain que les autres sur le CEG.

Les résultats sont représentés sur la figure ci-dessous (figure V-10) :

0 2 4 6 8 10 12 20 22 24 26 28 30 32 34 G a in é n e rg ét iq u e d a n s l' E IP ( % )

Nombre de connexions dans l'EIP

Cas 4 Cas 5 Cas 6

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs

- 176 -

Les courbes ont globalement la même allure que sur la figure 9, lorsque 11 échangeurs étaient impliqués. On peut cependant constater que le fait de supprimer un échangeur conduit à une baisse du gain maximal en termes d’énergie de 1%. Dans le cas présent, le maximum est ainsi d’environ 10% de gain.

3.3.4 Discussion

Choisir la configuration optimale de l’EIP final à partir des figures V-9 et V-10 est un problème délicat. Les entreprises doivent en effet choisir entre deux options : soit privilégier un bénéfice sur leur consommation énergétique et donc sur leur coût, soit travailler dans un secteur très concurrentiel les menant à opter pour un cas tel que le numéro 3. Dans ce travail, le but n’est pas de trouver quelles décisions les entreprises prendront, mais de montrer que la collaboration permet d’avoir des gains non négligeables.

Dans le cas des EIP, l’aide à la décision est souvent difficile à proposer, puisqu’elle dépend justement de nombreux autres facteurs qu’ils soient sociétaux ou humains. Dans l’exemple traité ici un changement de point de vue pourrait permettre de choisir parmi l’ensemble des solutions proposées. En effet, si au lieu de considérer l’ensemble des unités de procédé dans des entreprises différentes, on admet qu’elles sont détenues par la même compagnie mère, les gains ne sont alors plus vus de la même manière, en particulier on peut relaxer la contrainte de gain positif pour chaque enteeprise et la remplacer par un gain global positif pour la compagnie. L’exemple étudié revient à explorer les solutions pour une industrie de 15 unités de procédés et la solution finale doit maximiser ses gains en termes de consommation énergétique et de consommation d’eau pour des nombres d’échangeurs et de connexions limités. Ces optimisations multicritères ont été menées et les fronts de Pareto qui en résultent sont représentés sur la figure V-11.

Les gains obtenus deviennent plus importants puisqu’ils sont d’environ 12% (sur l’eau et l’énergie) lorsque le nombre d’échangeurs est au minimum (8) et grimpent jusqu’à environ 13 ou 14% si trois échangeurs sont ajoutés au réseau. Plus le nombre d’échangeurs du réseau est augmenté, moins le système est contraint et plus les gains peuvent être importants. Les gains maximaux obtenus sont de 14% concernant l’énergie et de 15% pour le CEG.

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs - 177 - 10 11 12 13 14 15 10 11 12 13 14 15 16 G ai n s u r la c o n so m m at io n é n er g ét iq u e (% )

Gain sur le CEG (%)

8 échangeurs 9 échangeurs

10 échangeurs 11 échangeurs

Figure V-11. Fronts de Pareto lorsque l’EIP est assimilé à une seule entreprise.

Cette approche permet de proposer une alternative à l’aide à la décision dans le cas des EIP dans laquelle les facteurs sociétaux ne sont pas pris en compte. Il faut toutefois avoir présent à l’esprit qu’un accroissement du nombre d’échangeurs de chaleur induit une augmentation des coûts d’investissement, d’où la nécessité pour l’exploitant de déterminer un compromis.

4.

Conclusion

L’étude réalisée dans ce chapitre consiste dans un premier temps à proposer une conception optimale des réseaux d’eau de parcs éco-industriels, puis dans un second temps, de leurs réseaux d’eau et d’énergie. Grâce à l’approche mise en œuvre dans les chapitres précédents pour les réseaux d’eau d’une entreprise sans aucun lien avec d’autres, des cas complexes peuvent être résolus. En effet, la stratégie de résolution est basée sur une programmation mathématique formulée de façon linéaire qui implique des temps de calculs minimes même pour des problèmes comportant des milliers de variables et contraintes.

L’étude d’un exemple de parc extrait d’Olesen et Polley (1996) selon différents cas de figure permet de formuler plusieurs conclusions importantes :

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs

- 178 -

1) L’ajout d’une unité de régénération au sein d’un réseau d’eau (qu’il soit dans un EIP ou non) permet d’obtenir des gains pouvant aller jusqu’à 70% en termes de consommation d’eau (traduite par l’indicateur CEG).

2) Lorsqu’aucune unité de régénération n’est impliquée, le regroupement d’industries au sein d’un EIP est économiquement rentable puisque des gains de l’ordre de 5% peuvent être réalisés pour chaque entreprise désirant intégrer le parc.

3) Dans l’exemple traité, si les entreprises d’un EIP désirent investir dans une unité de régénération, celle-ci doit être introduite au sein de chacune d’elles. En effet, il est préférable que chaque industrie choisisse son unité de régénération plutôt que d’investir dans une unité commune. En effet compte tenu des spécifications (tableau 2), les entreprise A et B choisissent une unité de régénération de type I, alors que l’entreprise C doit fonctionner avec une unité de type II, ce qui conduit à CEG nettement plus important (tableau 1).

Le schéma d’intégration indirect (unité de régénération commune), approche très souvent utilisée dans les études antérieures (Chew et al., 2010b, Aviso et al., 2010b) n’apporte pas forcément des résultats très intéressants. Dans cette étude elle permet de proposer des bénéfices d’environ 4% pour chaque industrie, contre près de 14% pour le schéma d’intégration direct. Pour l’exemple présenté, la mise en commun de l’unité de régénération doit faire intervenir une unité de type II, ce qui entraîne un sur coût inutile pour les entreprises A et B.

En imposant une contrainte d’égalité de gain pour chaque participant à l’EIP, des bénéfices significatifs pour chaque industrie sont obtenus. Contrairement à la majorité des études précédentes où l’optimisation est effectuée dans un cadre monocritère, l’approche multiobjectif mise en œuvre permet à partir de plusieurs solutions potentielles de concevoir un EIP dont la topologie et les consommations d’eau sont limitées, c'est-à-dire compétitif au plan économique. L’un des points clés de cette étude est que sans aller s’intéresser directement à la solution la plus écologiquement élégante (mise en commun de l’unité de régénération), diverses situations partant de l’absence totale de considération écologique, jusqu’à cette solution écologiquement (le terme écologie est pris dans son sens plus politique que scientifique) idéale ont été étudiées, afin de dégager le meilleur compromis entre écologie

Chapitre V – Optimisation de réseaux d’eau dans un cadre d’écologie industrielle : application aux éco-parcs

- 179 -

et économie. En fait la mise en commun de l’unité de régénération est économiquement viable lorsque tous les participants ont des spécifications de régénération similaires. Dans le cas contraire, la mise en commun nécessite d’utiliser une unité adaptée aux spécifications les plus strictes, ce qui peut entraîner un sur coût pour les entreprises dont les spécifications sont plus larges.

L’approche mise en œuvre pour la conception des réseaux d’eau d’un éco-parc a ensuite été étendue à celle considérant simultanément les problèmes énergétiques. La mise en place d’un EIP a permis de montrer que les entreprises participantes pouvaient dégager un gain économique significatif tout en limitant l’impact environnemental puisque une diminution de la consommation énergétique et d’eau fraîche est observée.

Comme dans le cas des réseaux d’eau pour les EIP, le problème est traité sous un angle muliobjectif, ce qui permet de proposer plusieurs solutions de compromis, alors que dans la majorité des études antérieures l’intégration énergétique est effectuée sur la solution correspondant à la consommation minimale d’eau fraîche. Toutefois la détermination de la « meilleure » solution demeure un problème complexe qui dépasse largement le cadre de la présente étude.

Bien sûr, économie et écologie sont très souvent antinomiques, la première fut très longtemps privilégiée au détriment de la seconde, conduisant en particulier au dérèglement climatique, dont nous avons récemment pris conscience. Ainsi, comme le met en exergue l’étude récente de Reniers et al. (2010), la détermination d’une « bonne » solution de compromis pour les EIP, doit également s’appuyer sur les sciences molles telles que les sciences humaines ou sociétales, afin qu’une nouvelle culture industrielle pas uniquement fondée sur la notion de profit, puisse se développer efficacement pour ne pas profiter qu’à un groupe d’actionnaires, mais également à la région d’implantation et aux populations avoisinantes.

- 181 -

Chapitre VI – Conclusions et

perspectives

Chapitre VI – Conclusions et perspectives

Chapitre VI – Conclusions et perspectives

- 183 -

Conclusions

Ce travail de thèse a pour but d’optimiser des réseaux d’eau industriels selon plusieurs objectifs. Dans le contexte environnemental actuel, il est primordial de proposer des actions en amont de la production de manière à concevoir des infrastructures limitant au maximum leur impact sur l’environnement. La concurrence étant également de plus en plus pressante dans le secteur industriel, limiter les coûts d’investissement et de production devient essentiel de manière à ce que les solutions proposées soient réalisables. Ces coûts sont estimés à l’aide de différents paramètres comportant par exemple le nombre de connexions dans le réseau, la quantité d’eau devant être régénérée, le débit d’eau fraîche alimentant le réseau ou encore le nombre d’échangeurs de chaleur et l’énergie utilisée pour le fonctionnement des différentes unités composant le système. Les réseaux industriels étudiés peuvent appartenir à deux principales catégories : monopolluants ou multipolluants. Les premiers représentent par exemple les industries papetières pour lesquelles les matières en suspension (fibres de bois de différentes tailles et particules organiques) sont considérées comme un seul polluant. La seconde catégorie de réseaux est caractérisée par la présence de plusieurs polluants. Ceci est le cas pour les industries pétrochimiques et les raffineries au sein desquelles des hydrocarbures, des sels ainsi que des solides en suspension circulent.

Il s’agit là d’un problème d’allocation des réseaux qui consiste à définir les liens qui existent entre les différentes unités (de procédé et de régénération) en termes de débits d’eau et de débits en polluants, ainsi que de déterminer leur existence de façon à minimiser les critères retenus. Bien que pour des raisons de généricité de la démarche, le rôle précis au plan physico-chimique de chacune des composantes du réseau soit volontairement ignoré, il est cependant impératif que certaines de leur propriété soient parfaitement définies au préalable. Ainsi, on se doit de connaître les concentrations maximales en polluants autorisées en sortie et en entrée de chacune des unités ainsi que toutes les caractéristiques leur garantissant un bon fonctionnement.

La diversité des méthodes mises en œuvre dans la littérature a conduit dans un premier temps, à une analyse bibliographique critique en vue d’opter pour une stratégie de résolution sûre et efficace.

Chapitre VI – Conclusions et perspectives

- 184 -

Le chapitre I débute par la présentation du contexte dans lequel ce type d’étude s’est mise en place. Ensuite, une revue des techniques d’intégration des procédés pour l’optimisation des réseaux d’eau est proposée. Cette partie a permis de constater que les deux grandes méthodes utilisées pour ce type de problème sont : les approches graphiques fondées sur la technique du pincement, ainsi que les techniques de programmation mathématique. Le principal inconvénient de la première classe de méthode est d’être limitée aux systèmes monopolluants, en outre, elle ne permet pas d’optimiser un réseau selon plusieurs objectifs simultanément. Les techniques de programmation mathématique regroupent les méthodes déterministes (LP/MILP et NLP/MINLP) et les méthodes stochastiques (principalement les algorithmes génétiques). La formulation du problème est basée sur des équations de bilans de conservation des concentrations en polluants (ppm) et des débits d’eau (T/h) impliquant des ordres de grandeur très disparates. Ceci nécessite que ces équations soient numériquement résolues avec des tolérances strictes, inférieures à 10-5, ce qui est très délicat avec les méthodes stochastiques, qui gèrent difficilement les contraintes égalité d’un problème d’optimisation. Ce chapitre a ainsi conduit à opter pour une méthode de programmation mathématique à l’aide d’une méthode de résolution déterministe. Pour mener à bien ces optimisations le logiciel GAMS est choisi puisqu’il présente une grande variété de solveurs. Enfin, l’absence d’études concernant des optimisations multiobjectif de réseaux d’eau malgré leur importance dans le contexte actuel, nous a instantanément orienté vers la prise en compte de plusieurs objectifs.

Le chapitre II présente dans un premier temps une formulation MINLP applicable à tous les types de réseaux, qu’ils soient monopolluants ou multipolluants. Dans un second temps, une formulation originale s’appuyant sur une expression des variables en débits partiels (au lieu de débits totaux) est proposée. A l’aide d’une simplification basée sur les conditions d’optimalité énoncées par Savelski et Bagajewicz (2001), la formulation devient linéaire pour les cas particuliers des réseaux d’eau monopolluants. Le programme MILP est résolu à l’aide du solveur CPLEX 9.1 de la bibliothèque GAMS. Deux exemples de réseaux sont étudiés et optimisés selon plusieurs objectifs : le débit d’eau fraîche, le débit d’eau régénérée et le nombre de connexions menant à la représentation des solutions sous forme de fronts de Pareto. Cette optimisation multiobjectif est réalisée à l’aide d’une procédure lexicographique adaptée d’une méthode epsilon-contrainte. Un nouvel indicateur est mis en place : le CEG (cout équivalent global) afin de proposer une aide à la décision soit parmi les

Chapitre VI – Conclusions et perspectives

- 185 -

solutions de Pareto, soit en phase post-optimisation. Il prend en compte les différents débits d’eau impliqués dans le réseau affectés de coefficients relatifs au coût de l’eau fraîche, il est exprimé en T/h. Cet indicateur a permis de choisir un réseau optimal en termes de consommations d’eau et de topologie permettant d’économiser jusqu’à 7% d’eau par rapport aux études antérieures.

Suite aux résultats positifs obtenus au cours du chapitre II, la stratégie multiobjectif est ensuite étendue aux réseaux d’eau multipolluants dans le chapitre III. Seule la formulation de base change puisque les simplifications précédemment effectuées dans le cas monopolluant ne sont plus valables. En effet, dans le cas où plusieurs polluants sont impliqués, il est impossible de fixer les concentrations de sortie à leur valeur maximale sans fausser l’équation de bilan de sortie des unités de procédé. La formulation est donc de type MINLP pour le cas des réseaux multipolluants. Plusieurs exemples de la littérature sont étudiés et optimisés selon les trois objectifs précédemment évoqués. L’étude d’un réseau complexe incluant cinq unités de procédés, une unité de régénération et trois polluants provenant d’une raffinerie, a permis de déterminer un réseau optimal ne pénalisant aucun des trois critères, toujours à l’aide du CEG. Par rapport aux précédentes études, le choix de ce réseau à conduit à un nombre de